CN109590699A - 一种提高自动装配视觉识别的零件表面设计方法 - Google Patents
一种提高自动装配视觉识别的零件表面设计方法 Download PDFInfo
- Publication number
- CN109590699A CN109590699A CN201811348782.2A CN201811348782A CN109590699A CN 109590699 A CN109590699 A CN 109590699A CN 201811348782 A CN201811348782 A CN 201811348782A CN 109590699 A CN109590699 A CN 109590699A
- Authority
- CN
- China
- Prior art keywords
- piece surface
- visual identity
- automatic assembling
- design method
- reference feature
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Granted
Links
Classifications
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B23—MACHINE TOOLS; METAL-WORKING NOT OTHERWISE PROVIDED FOR
- B23P—METAL-WORKING NOT OTHERWISE PROVIDED FOR; COMBINED OPERATIONS; UNIVERSAL MACHINE TOOLS
- B23P19/00—Machines for simply fitting together or separating metal parts or objects, or metal and non-metal parts, whether or not involving some deformation; Tools or devices therefor so far as not provided for in other classes
Landscapes
- Engineering & Computer Science (AREA)
- Mechanical Engineering (AREA)
- Image Analysis (AREA)
Abstract
一种提高自动装配视觉识别的零件表面设计方法,包括如下步骤:步骤一、在所述零件表面布设参照特征,该参照特征位于零件表面的中部;所述参照特征至少包括1条连续边,该连续边为曲线;步骤二、在零件表面上参照特征以外的区域,对零件表面的局部进行镀金和或金属氧化处理,零件表面的其他部分保持零件原色。采用本发明方法,零件表面的视觉识别辨识度高,视觉模板的清晰度更强,从而提高了装配机器人的自动纠偏能力,而且有色差的表面处理形式易于实现,不会增加研制成本。
Description
技术领域
本发明涉及一种提高自动装配视觉识别的零件表面设计方法,适用于自动装配的微组装电子产品的结构设计领域。
背景技术
自动装配生产线是利用现代化的生产技术用机器人代替了传统的人工劳动,使机器人与装配设备有机结合了起来,在输送系统与装配设备的共同作用下完成产品的批量装配、检测、标示以及包装等工序。自动装配过程中,机器人的视觉识别可以引导机器人进行视觉纠偏,从而确保机器人准确无误的将配件安装到位。
智能机器人视觉识别以建立视觉模板为基础,进行模板与拾取图像的信息比对,给出相似程度的评分,从而自动纠偏。所以视觉质量的好坏决定着视觉识别的准确度。通常装配零件视觉设计时会设置Mark特征,包括点、线、孔等特征,为保证装配精度,此类特征一般要求机加定位精度特别高,给机加加工带来难度,而且零件实际识别时拾取图像质量并不完全满足清晰度要求。因此如何进一步提高自动装配视觉识别区域视觉图像的质量,又不增加零件加工难度,使之能够满足自动装配视觉识别模板匹配的需要,这就能促使产品的自动装配机器人装配准确度更高。
发明内容
本发明要解决的技术问题是:克服现有技术的不足,提供了一种提高自动装配视觉识别的零件表面设计方法,该方法改善零件视觉识别区域的图像清晰度,降低零件的加工难度,提升装配定位的精准度,使最终装配出来的产品质量达到预期目标,进一步提升产品的交付能力。
本发明目的通过以下技术方案予以实现:
一种提高自动装配视觉识别的零件表面设计方法,包括如下步骤:
步骤一、在所述零件表面布设参照特征,该参照特征位于零件表面的中部;所述参照特征至少包括1条连续边,该连续边为曲线;
步骤二、在零件表面上参照特征以外的区域,对零件表面的局部进行镀金和或金属氧化处理,零件表面的其他部分保持零件原色。
上述提高自动装配视觉识别的零件表面设计方法,在所述零件表面上,参照特征的定位精度最高。
上述提高自动装配视觉识别的零件表面设计方法,所述步骤二中对零件表面的局部进行镀金和或金属氧化处理时,所述零件表面的局部的边缘仍保持零件原色。
上述提高自动装配视觉识别的零件表面设计方法,所述零件表面的原色为银白色,所述零件表面镀金后为金色,所述零件表面金属氧化后为黑色。
上述提高自动装配视觉识别的零件表面设计方法,步骤一中所述曲线为椭圆形曲线,或,两条直线与一个圆角的组合。
上述提高自动装配视觉识别的零件表面设计方法,所述参照特征为定位孔,定位孔的位置公差精度为零件表面其他通孔的位置公差精度的0.2~0.1。
上述提高自动装配视觉识别的零件表面设计方法,所述参照特征为定位销钉,定位销钉的位置公差精度为零件表面其他零件的位置公差精度的0.2~0.1。
上述提高自动装配视觉识别的零件表面设计方法,所述参照特征为参考边,参考边的位置公差精度为零件表面其他边缘的位置公差精度的0.3~0.1。
上述提高自动装配视觉识别的零件表面设计方法,所述步骤二之后,在零件表面进行零件装配。
上述提高自动装配视觉识别的零件表面设计方法,所述参照特征在零件装配、运输过程中的磨损尺寸不超过参照特征的定位偏差的20%。
本发明相比于现有技术具有如下有益效果:
(1)利用零件自身设计时选取的基准参照特征作为视觉识别项,能够保证视觉定位的精度,而且避免在另加表面加工难以实现的高精度Mark特征,降低机加难度,节省成本;
(2)零件视觉识别区域存在两种色差的表面处理方式在视觉识别方面辨识度高,视觉模板的清晰度更强,从而提高了装配机器人的自动纠偏能力,而且有色差的表面处理形式易于实现,不会增加研制成本,而且某些零件表面处理更加需要局部表面处理方式,例如镀金件,局部镀金用金量少,可以降低产品研制成本;
(3)本发明将参照特征布设在零件表面中部,同时约束了参照特征的磨损量,有利于提高对其他组件的定位精度;
(4)本发明方法通过实际视觉识别的测试,大幅提高了识别图像的清晰度,有效降低了零件的加工难度,提升了装配定位精度。
附图说明
图1为本发明的步骤流程图;
图2为本发明第一实施例的示意图;
图3为本发明第一实施例的局部放大图;
图4为本发明第二实施例的示意图;
图5为本发明第二实施例的局部放大图。
具体实施方式
为使本发明的目的、技术方案和优点更加清楚,下面将结合附图对本发明的实施方式作进一步详细描述。
一种提高自动装配视觉识别的零件表面设计方法,包括如下步骤:
步骤101、在所述零件表面布设参照特征,该参照特征位于零件表面的中部,在该零件表面上,参照特征的定位精度最高;所述参照特征至少包括1条连续边,该连续边为曲线;所述曲线为椭圆形曲线,或,两条直线与一个圆角的组合。
所述参照特征为定位孔或定位销钉或参考边。当参照特征为定位孔时,定位孔的位置公差精度为零件表面其他通孔的位置公差精度的0.2~0.1;当参照特征为定位销钉时,定位销钉的位置公差精度为零件表面其他零件的位置公差精度的0.2~0.1;当参照特征为参考边时,参考边的位置公差精度为零件表面其他边缘的位置公差精度的0.3~0.1。所述参照特征在零件装配、运输过程中的磨损尺寸不超过参照特征的定位偏差的20%。
步骤102、在零件表面上参照特征以外的区域,对零件表面的局部进行镀金和或金属氧化处理,所述零件表面的局部的边缘仍保持零件原色,零件表面的其他部分同样保持零件原色。所述零件表面的原色为银白色,所述零件表面镀金后为金色,所述零件表面金属氧化后为黑色。
步骤103、在零件表面进行零件装配。
实施例:
一种提高自动装配视觉识别的零件表面设计方法,包括下列步骤:
(1)零件设计时,在零件平面的中央布设参照特征,该参照特征在零件平面内的位置精度最高,参照特征可以选用定位孔或定位销或参考边。该参照特征即作为零件设计时的基准参照特征,且保证该参照特征因夹持或者日常运输等导致特征磨损很小,影响自动装配视觉识别时图像的线条质量;此外该参照特征还要尽量靠近零件表面中心,同时保证该参照特征在零件表面装配完毕后不会被遮挡。
(2)在零件视觉识别区域的表面处理时增加鲜明的颜色对比,根据焊接需要选用镀金处理,根据空间环境需要选用金属氧化处理,两种明显的颜色色差会形成更加清晰的视觉模板线条。
本发明的技术原理是,利用零件自身设计时选取的基准参照特征作为视觉识别项,不额外增加高定位精度的Mark特征,而且能保证视觉识别特征的定位精度,在视觉识别区域通过零件局部镀金、不同颜色的金属氧化处理方式造成明显色差改变视觉图像的灰度值,来凸显特征线条,增强零件表面视觉特征的辨识度,提高视觉识别的精准度。在零件表面的局部区域(一般为凹槽或者凸台)进行镀金或金属氧化处理时,局部区域的边沿要依然保留零件表面原色,在俯视角度下,由于凹槽或者凸台的存在,局部区域表面处理后的颜色与原色即形成清晰边界,避免表面处理的区域过大,造成颜色与原色之间存在交叉,模糊线条边界。
第一实施例:
如图2所示,装配零件2上布设有高精度定位销孔1,由于零件以整件的中心线作为加工标注基准,但无法直观体现基准可视区域,而定位销钉孔1标注时尺寸L1、L2以及位置度公差X均已中心线为基准,是基于标注基准的精度最高的孔,而且此孔不易磕碰受损,因此选其为参照特征,作为视觉识别项。
在装配零件2进行表面处理时,由于整个零件为铝材为满足发射率要求需表面做黑色阳极化处理,而销钉孔1内表面可以做保护,只做本色导电氧化,如图3所示,本色为导电氧化区域,黑色为阳极化区域,可以明显看出会形成清晰的视觉线条,比同一种表面处理方式的零件视觉识别能力更强。
第二实施例:
如图4所示,装配零件2上布设零件加工的参照基准线3,由于装配零件整件2为考虑其他安装配合,以参照基准线3范围内的边为加工X、Y基准,即尺寸H1、H2、W1、W2均以X、Y轴标注,由于这两条边的加工精度最高,可以视为视觉识别项。
装配零件2为金属铝件,为满足可焊性需做镀金处理,应用本发明方法零件镀覆处理采用局部处理方式,焊接区域需要镀金处理,其他区域需本色导电氧化,如图5所示,4为本色导电氧化区域,不需要焊接,5为镀金区域,需要满足焊接要求,在视觉拍照系统视觉采集区域内镀金区域跟本色导电氧化区域会形成明显的分界线,辨识度强,从而提高装配机器人的自动纠偏能力。而且镀金成本相对导电氧化贵5~6倍,所以局部镀金较以前的整体镀金降低了30%的研制成本。
本发明说明书中未作详细描述的内容属本领域技术人员的公知技术。
Claims (10)
1.一种提高自动装配视觉识别的零件表面设计方法,其特征在于:包括如下步骤:
步骤一、在所述零件表面布设参照特征,该参照特征位于零件表面的中部;所述参照特征至少包括1条连续边,该连续边为曲线;
步骤二、在零件表面上参照特征以外的区域,对零件表面的局部进行镀金和或金属氧化处理,零件表面的其他部分保持零件原色。
2.根据权利要求1所述的一种提高自动装配视觉识别的零件表面设计方法,其特征在于:在所述零件表面上,参照特征的定位精度最高。
3.根据权利要求1所述的一种提高自动装配视觉识别的零件表面设计方法,其特征在于:所述步骤二中对零件表面的局部进行镀金和或金属氧化处理时,所述零件表面的局部的边缘仍保持零件原色。
4.根据权利要求1所述的一种提高自动装配视觉识别的零件表面设计方法,其特征在于:所述零件表面的原色为银白色,所述零件表面镀金后为金色,所述零件表面金属氧化后为黑色。
5.根据权利要求1所述的一种提高自动装配视觉识别的零件表面设计方法,其特征在于:步骤一中所述曲线为椭圆形曲线,或,两条直线与一个圆角的组合。
6.根据权利要求1所述的一种提高自动装配视觉识别的零件表面设计方法,其特征在于:所述参照特征为定位孔,定位孔的位置公差精度为零件表面其他通孔的位置公差精度的0.2~0.1。
7.根据权利要求1所述的一种提高自动装配视觉识别的零件表面设计方法,其特征在于:所述参照特征为定位销钉,定位销钉的位置公差精度为零件表面其他零件的位置公差精度的0.2~0.1。
8.根据权利要求1所述的一种提高自动装配视觉识别的零件表面设计方法,其特征在于:所述参照特征为参考边,参考边的位置公差精度为零件表面其他边缘的位置公差精度的0.3~0.1。
9.根据权利要求1~8之一所述的一种提高自动装配视觉识别的零件表面设计方法,其特征在于:所述步骤二之后,在零件表面进行零件装配。
10.根据权利要求1~8之一所述的一种提高自动装配视觉识别的零件表面设计方法,其特征在于:所述参照特征在零件装配、运输过程中的磨损尺寸不超过参照特征的定位偏差的20%。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201811348782.2A CN109590699B (zh) | 2018-11-13 | 2018-11-13 | 一种提高自动装配视觉识别的零件表面设计方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201811348782.2A CN109590699B (zh) | 2018-11-13 | 2018-11-13 | 一种提高自动装配视觉识别的零件表面设计方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN109590699A true CN109590699A (zh) | 2019-04-09 |
CN109590699B CN109590699B (zh) | 2020-09-18 |
Family
ID=65958559
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201811348782.2A Active CN109590699B (zh) | 2018-11-13 | 2018-11-13 | 一种提高自动装配视觉识别的零件表面设计方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN109590699B (zh) |
Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2006082171A (ja) * | 2004-09-15 | 2006-03-30 | Fuji Photo Film Co Ltd | 多関節ロボットのツール位置補正方法 |
CN101033553A (zh) * | 2006-03-10 | 2007-09-12 | 深圳富泰宏精密工业有限公司 | 金属工件的表面处理方法 |
CN202524691U (zh) * | 2011-10-12 | 2012-11-07 | 骏熠电子科技(昆山)有限公司 | 具表面效果的金属片结构 |
CN104915957A (zh) * | 2015-05-29 | 2015-09-16 | 何再兴 | 一种提高工业机器人三维视觉识别精度的匹配矫正方法 |
CN106800273A (zh) * | 2015-11-26 | 2017-06-06 | 上海新微技术研发中心有限公司 | 一种在基片背面形成标记的方法 |
CN107571246A (zh) * | 2017-10-13 | 2018-01-12 | 上海神添实业有限公司 | 一种基于双臂机器人的零件装配系统及方法 |
-
2018
- 2018-11-13 CN CN201811348782.2A patent/CN109590699B/zh active Active
Patent Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2006082171A (ja) * | 2004-09-15 | 2006-03-30 | Fuji Photo Film Co Ltd | 多関節ロボットのツール位置補正方法 |
CN101033553A (zh) * | 2006-03-10 | 2007-09-12 | 深圳富泰宏精密工业有限公司 | 金属工件的表面处理方法 |
CN202524691U (zh) * | 2011-10-12 | 2012-11-07 | 骏熠电子科技(昆山)有限公司 | 具表面效果的金属片结构 |
CN104915957A (zh) * | 2015-05-29 | 2015-09-16 | 何再兴 | 一种提高工业机器人三维视觉识别精度的匹配矫正方法 |
CN106800273A (zh) * | 2015-11-26 | 2017-06-06 | 上海新微技术研发中心有限公司 | 一种在基片背面形成标记的方法 |
CN107571246A (zh) * | 2017-10-13 | 2018-01-12 | 上海神添实业有限公司 | 一种基于双臂机器人的零件装配系统及方法 |
Non-Patent Citations (3)
Title |
---|
STEHPEN W HINCH: "《表面安装技术手册》", 28 February 1992, 兵器工业出版社 * |
张胜涛: "《电镀实用技术》", 30 November 2011, 中国纺织出版社 * |
栾恩杰等: "《国防科技名词大典》", 31 January 2002, 航空工业出版社等 * |
Also Published As
Publication number | Publication date |
---|---|
CN109590699B (zh) | 2020-09-18 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN105913415B (zh) | 一种具有广泛适应性的图像亚像素边缘提取方法 | |
CN106251353A (zh) | 弱纹理工件及其三维位姿的识别检测方法及系统 | |
CN111322967B (zh) | 一种面向阶梯轴与孔装配过程的对中方法 | |
CN103182627B (zh) | 汽车外覆盖件特征线的制造方法 | |
CN110473184A (zh) | 一种pcb板缺陷检测方法 | |
CN102222226A (zh) | 一种基于先验分析的迭代式车牌字符分割方法 | |
CN111311618A (zh) | 一种基于高精度几何基元提取的圆弧工件匹配与定位方法 | |
CN109590699A (zh) | 一种提高自动装配视觉识别的零件表面设计方法 | |
US20200219265A1 (en) | Similar Wheel Hub Model Identification System | |
CN115019024A (zh) | 一种qfp的视觉识别方法 | |
CN112923850A (zh) | 一种汽车dts测量数据分析的方法 | |
CN110773842B (zh) | 一种焊接定位方法及装置 | |
CN115359047A (zh) | 用于pcb板智能焊接的异常缺陷检测方法 | |
CN109308707B (zh) | 铝锭厚度非接触式在线测量方法 | |
CN113554713B (zh) | 飞机蒙皮移动机器人制孔视觉定位及检测方法 | |
Natsagdorj et al. | Vision-based assembly and inspection system for golf club heads | |
CN111539951B (zh) | 一种陶瓷砂轮头轮廓尺寸视觉检测方法 | |
CN108734687B (zh) | 一种斜拉线不受力缺陷识别方法及装置 | |
US10940518B2 (en) | Manufacturing method for press-formed article | |
JP2526846B2 (ja) | 樹脂封止型半導体装置のリ―ド切断方法 | |
CN109514212A (zh) | 一种压边钣金件加工工艺 | |
CN109034146A (zh) | 汽车制造生产线派生工件视觉识别方法 | |
CN112862886A (zh) | 基于凸包分割的三角环标志符高精度检测定位算法 | |
CN107516328B (zh) | 一种agv工作点定位方法及系统 | |
CN113591923A (zh) | 基于图像特征提取与模板匹配的发动机摇臂零件分类方法 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |